Conceptos
Educación en ciencias sociales
Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.
Educación en ciencias sociales — la enseñanza de disciplinas que estudian a las personas en agregado: política y civismo, economía y gestión, sociología, geografía y estudios ambientales. La IA entra en estos campos por partida doble, como instrumento que cambia los métodos que el estudiantado aprende y como objeto de estudio, porque los sistemas algorítmicos gobiernan ahora las instituciones que las disciplinas describen. El conjunto se sitúa bajo la IA en las disciplinas, junto a educación en humanidades y educación STEM. La cobertura es escasa y desigual: la educación empresarial y de gestión tiene la mayor literatura, la educación cívica tiene fuentes pero casi ningún aprendizaje medido, y la educación ambiental se divide entre la IA como ayuda didáctica y la IA como coste.
Preguntas para reflexionar
- Cuando un modelo puede escribir la revisión de la literatura, el instrumento de encuesta y el análisis de mercado, ¿qué parte del método está evaluando realmente el curso?
- Si un modelo al que se le pide redactar clases de civismo recurre a tareas de nivel de recuerdo nueve de cada diez veces, ¿qué revela eso sobre los estándares que se le entrenó para satisfacer?
- La educación empresarial tiene la mayor literatura sobre IA de cualquier ciencia social y el menor acuerdo sobre la evaluación. ¿Por qué un campo que enseña estrategia tardaría en revisar qué califica?
- La educación ambiental tiene que enseñar la IA como herramienta y como coste energético al mismo tiempo. ¿Puede un curso sostener ambas cosas sin convertir la segunda en una digresión ética?
Introducción
Las ciencias sociales estudian a las personas en agregado: cómo las instituciones distribuyen el poder, cómo los mercados asignan bienes, cómo los públicos forman opiniones, cómo las sociedades usan la tierra y la energía. Sus métodos son la encuesta, el modelo, la comparación y el caso, y su evaluación característica pide al estudiantado que sostenga una afirmación sobre un mundo social que no puede observar directamente.
Ese objeto es lo que distingue al conjunto de sus vecinos. La educación en humanidades interpreta textos y artefactos; las ciencias sociales interpretan poblaciones y mecanismos, y la diferencia se manifiesta en lo que se puede pedir a un estudiante que defienda. La educación STEM comparte el método cuantitativo pero no el objeto: un resultado de física es contrastable contra la naturaleza, mientras que una afirmación sobre el comportamiento electoral solo es contrastable contra una muestra.
La variación interna del conjunto es grande, y la literatura la sigue. La educación en gestión y empresarial tiene una década de trabajo publicado sobre currículos, evaluación y adopción. La educación cívica y política tiene fuentes que describen cómo la IA podría socavar la competencia democrática sin un solo resultado de aprendizaje cívico medido. La educación ambiental conlleva un doble objeto, porque la tecnología que se enseña es ella misma un actor ambiental. Cada una de esas líneas tiene su propio tratamiento —educación empresarial, educación cívica y política, educación ambiental— y lo que comparten es el argumento de este conjunto.
Cómo aparece la IA en el conjunto
- En civismo, como productor de currículo. Un análisis de 310 planes de clase generados por IA y redactados contra 53 estándares de civismo encontró que el 90 % apuntaba a objetivos de orden inferior y el 94 % no contenía contenido multicultural (Civic education in the age of AI: Should we trust AI-generated lesson plans). El fallo no es un error factual sino una pedagogía por defecto: el modelo reprodujo la lectura más superficial de los estándares que se le dieron.
- En civismo, como objeto de estudio. Nkalanga (2026) lee la gobernanza algorítmica de fronteras en Sudáfrica como un problema de alfabetización cívica y deriva cinco exigencias sobre lo que la ciudadanía necesita entender de las decisiones estatales automatizadas.
- En gestión, como pregunta curricular. Csaszar et al. (2026) analizan cómo la IA cambia para qué sirve la educación en gestión a través de una lente de estrategia basada en el valor, preguntando qué actividades sustituye la tecnología y cuáles complementa. Espino y Espino (2026) cubren la década de trabajo que precedió a esa pregunta, y Drummond y Dale (2026) construyen un marco informado por el estudiantado sobre cómo deberían responder las escuelas.
- En gestión, como problema de calificación. Mesny (2026) trata el diseño de la evaluación como el sitio del cambio y no el programa de la asignatura. La puntuación automatizada de publicaciones de marketing del estudiantado mide directamente la coincidencia y el error, que es la versión de este conjunto de la pregunta de validez: una nota que coincide con un evaluador humano no es necesariamente una nota que mide el aprendizaje previsto.
- En estudios ambientales, como doble objeto. Daniel (2026) separa la IA para la sostenibilidad de la IA sostenible, y encuentra la brecha del Sur Global atravesando ambas. El reporte de huella de carbono en AIED revisa la práctica de divulgación de 2025 y aporta un método de código abierto para la segunda mitad, mientras que la indagación climática asistida por IA informa de d = 0,69 sobre la indagación sola para la primera.
La brecha de medición
La evidencia más débil del conjunto es la más consecuente políticamente. La educación cívica ofrece el relato más claro de lo que la IA podría dañar —competencia democrática, base factual compartida, capacidad de razonar sobre instituciones— y casi ninguna evidencia de que alguna intervención lo mejore. La educación empresarial aporta la mayoría de los estudios y el menor acuerdo sobre qué debería calificarse. La educación ambiental aporta tamaños de efecto para la indagación y auditorías de divulgación para las huellas, pero rara vez ambas cosas en un mismo curso.
La lectura honesta es que este conjunto sabe más sobre cómo se usa la IA en sus aulas que sobre qué aprende el estudiantado. Los métodos de investigación necesarios para cerrar esa brecha son ordinarios: comparaciones preregistradas, medidas de resultado que no sean autoinformes y diseños que sobrevivan a la objeción de que el tratamiento y la evaluación fueron escritos ambos por un modelo.
Dónde el conjunto es escaso
Psicología: muestreada con más frecuencia de la que se estudia. La disciplina tiene ahora su propia página, educación en psicología, porque reúne más evidencia a nivel de curso que el resto del conjunto combinado. Lo que sigue es el resumen a nivel de conjunto y la razón de su existencia. La mayor parte de la evidencia sobre psicología proviene de estudios que reclutan estudiantes de psicología como participantes accesibles en lugar de examinar el currículo de psicología. Cuatro excepciones miran el curso mismo. Richmond y Nicholls sustituyeron la evaluación entre pares en una «tarea de medios» de segundo año de psicología por ChatGPT, en una tarea que convierte un artículo publicado en una nota de prensa y un vídeo. Préau y colaboradores desplegaron «R-Tutor» a lo largo de un curso semestral de programación en R para estudiantes de grado de psicología en Tubinga, preregistrado y longitudinal.
Otras dos pruebas examinan qué sabe el estudiantado de psicología y cómo juzga. Richter y colaboradores presentaron 30 afirmaciones sobre salud mental a 150 estudiantes de psicología y a cuatro LLM en 80 ejecuciones cada uno. Reed y colaboradores probaron si la alfabetización en IA predice el juicio ético aplicado en 531 estudiantes de grado, con seis viñetas.
El resto trata sobre estudiantes en general. La psicología cognitiva, la psicología del desarrollo, la motivación y la autoeficacia son páginas sobre cómo funciona el aprendizaje, no sobre cómo se enseña un curso de psicología. En una tarea simulada de escritura asistida por IA, la alfabetización en retroalimentación fue el único predictor significativo de la nota del ensayo (β = 0,46, p = 0,017; Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing).
El uso crítico de IA generativa se predice por el conocimiento medido tanto por autoinforme como por prueba objetiva, junto con la orientación epistémica y los valores intelectuales. La psicología es también de donde vienen las personas encuestadas. La especialidad individual más grande en una réplica reciente de dos años es psicología, con 300 de 991 estudiantes, así que la disciplina aporta las muestras para encuestas como esa sin ser su tema.
Hay ahora tres cursos de psicología más en el registro. Baudin hizo que ChatGPT-4 redactara 80 ítems para un curso de Psicología Experimental y los pasó por revisión experta y análisis de ítems con 120 estudiantes: la fiabilidad se mantuvo, pero el 73,75 % de los ítems evaluaba recuerdo y solo el 8,75 % alcanzaba análisis o evaluación. Akkurt y colaboradores usaron GPT-4o como cliente para personas en formación de consejería, lo que redujo la ansiedad por el desempeño pero produjo un cliente que aceptaba con demasiada facilidad, no tenía matiz emocional y se mantenía culturalmente neutro. Armagan-Bogatekin modeló a 286 estudiantes de psicología y personas en formación de psicoterapia y encontró de tres a cuatro clases en cada uno de seis dominios, que es la evidencia más sólida hasta ahora de que no hay una persona en formación media a la que formar.
La sociología ha pasado de tres estudios a cinco. Dixon y Buchmann presentaron un cuestionario de sociología de 20 ítems a ChatGPT, DeepSeek y Gemini cada día durante dos semanas y encontraron un kappa combinado de 0,91 a 1,00, con el desacuerdo concentrado en los dos ítems que requerían aplicación. Malik entrevistó a 18 estudiantes de sociología, que describieron ChatGPT como un compañero de pensamiento para esquematizar y aclarar teoría mientras se preocupaban por perder su propia voz. García-Alonso y colaboradores encuestaron a 216 estudiantes españoles de ciencias sociales y encontraron que quienes habían recibido formación del profesorado declaraban menos confianza en la herramienta.
Sociología: tres estudios. Kuznetsov, Sheely y Baker encuestaron a 504 estudiantes de sociología y entrevistaron a 12 más. Dos tercios usan la IA de forma selectiva, sobre todo para preguntas de seguimiento, resumir lecturas y preguntas de práctica. El 81 % había recibido alguna orientación, y solo el 46 % la encontró muy clara.
Wells informa del caso de curso: 24 estudiantes de un curso de métodos de investigación de nivel 3000 usaron Copilot en seis de dieciocho talleres con andamiaje, y tuvieron prohibido usarlo para escribir la propuesta. Farazouli y colaboradores lo abordan desde el lado docente, con 24 docentes suecos de sociología, filosofía, derecho y educación razonando sobre trabajo generado por IA en talleres de evaluación.
El caso clínico es genuinamente disciplinar y tiene el diseño más sólido de esta página. Un paciente virtual adaptativo para la formación en psicoterapia ejecutó 1.033 turnos con 20 clínicos y personas en formación. La divulgación aumentó con la empatía y la exploración del terapeuta. La exploración hizo aproximadamente 78 veces el trabajo de la empatía en los datos subyacentes, mientras que el sistema desplegado la ponderó tres veces más, así que las personas en formación que practican contra él corren el riesgo de optimizar para lo que el simulador recompensa.
La geografía llega a la literatura solo a través de la educación ambiental. Si usted enseña sociología o psicología, esos estudios son lo que existe. La forma de la evidencia es ella misma el hallazgo: una encuesta, un caso de curso y un estudio docente para sociología, y cuatro estudios de curso para psicología.
Implicaciones para el profesorado de ciencias sociales
- Haga visible el método, no el producto. Si el entregable es un informe, el curso está evaluando la redacción de informes; desplace la nota al diseño del instrumento, a las decisiones de muestreo o a la defendibilidad de una afirmación causal.
- Contraste la calificación automatizada contra el constructo. La coincidencia con un evaluador humano es un resultado de fiabilidad, no de validez, y el estudio de las publicaciones de marketing muestra la brecha en una sola página.
- Enseñe la institución, no solo la herramienta. La gobernanza algorítmica forma ya parte de lo que describen el civismo, el derecho y la administración pública, y el caso de las fronteras es el ejemplo más claro.
- Sostenga el coste y el beneficio en un mismo marco. Un curso de sostenibilidad impartido con una herramienta intensiva en carbono tiene que dar cuenta de ambas mitades, y el reporte de huella le da un método.
Concepciones erróneas
«La IA en la educación en ciencias sociales es sobre todo una cuestión de herramientas de investigación.» Los mayores efectos medidos en este conjunto son sobre la producción de currículo y la calificación, no sobre la práctica investigadora: el análisis de civismo y la puntuación de publicaciones de marketing tratan ambos de lo que se da al estudiantado y de cómo se lo juzga.
«El problema de la educación cívica es que el estudiantado creerá lo que diga un chatbot.» El problema documentado es más tenue: el material de civismo generado por IA recurre por defecto a tareas de nivel de recuerdo y elimina por completo el contenido multicultural, así que el riesgo es un currículo que deja de enseñar juicio antes de que ningún estudiante sea engañado.
«La educación ambiental puede tratar la huella de la IA como un tema de ética.» La huella es un parámetro de diseño: la latencia, el tamaño del modelo y el alojamiento la deciden, y la literatura de reporte la trata como algo medible y no como una exhortación.
Conceptos conectados
Artículos conectados
- Civic education in the age of AI: Should we trust AI-generated lesson plans
- Digital borders, algorithmic governance and civic digital literacy: examining the educational implications of AI-driven immigration management in post-apartheid South Africa
- The effects of artificial intelligence on management education
- Mapping the integration of AI into business education: Insights from a decade of research
- Generating a student-informed teaching and learning conceptual framework for GenAI in business schools: a case study
- Innovative assessment and grading practices in higher education: A critical exploration for management educators
- Agreement and error in automated scoring of student marketing posts
- A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education
- The Environmental Cost of LLMs in AIED: Reporting and Practices
- Can AI-Assisted Inquiry Enhance Students' Decision-Making Skills in Socio-Scientific Issues? A Three-Group Experimental Study on Climate Change
- Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing
- GenAI knowledge, epistemic orientation, and intellectual values predict undergraduate students' critical GenAI use
- Student Use of and Views on GenAI for Writing
- Exploring the Role of Generative AI as a Research Assistant in Undergraduate Sociology Research Methods
- Navigating uncertainty: university teachers' experiences and perceptions of generative artificial intelligence in teaching and learning
- Using generative AI to promote psychological, feedback, and artificial intelligence literacies in undergraduate psychology
- Student Adoption of an AI Tutor for Statistical Programming: A Longitudinal Study
- Mental Health Literacy Across Psychology Students and Large Language Models
- AI literacy and scenario-based ethical judgment about generative AI among undergraduate students
- The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist Micro-Skills
- The Proliferation of AI among College Students: A Replication and 2-Year Follow-Up
- Assessing the psychometric properties of AI-generated multiple-choice exams in a psychology subject
- Learning Through Simulation: Counselor Trainees' Interactions with ChatGPT as a Client
- Heterogeneity in AI attitudes, anxiety, and acceptance among psychology students and psychotherapy trainees: a domain-specific latent class analysis
- Are Large Language Models Reliable across Services and over (a Short) Time? An Exploratory Study in Sociology with Pedagogical Implications
- ChatGPT as a Cognitive Tool in Sociology: Students' Perceptions and Its Impact on Academic Writing Practices
- Training and Technology Acceptance of ChatGPT in University Students of Social Sciences: A Netcoincidental Analysis
Recursos relacionados
- Integrating Generative AI in Psychology CoursesUn volumen de acceso abierto de 255 páginas publicado por la STP con 21 relatos a nivel de curso sobre la IA generativa en la enseñanza de la psicología, desde secciones introductorias hasta formación clínica y estadística.